賴清德國慶演說揭「6個跨越」 李彥秀批畫大餅:竟漏掉這5項
中天新聞網.2024年10月10日 13:23

針對賴清德的國慶演說,李彥秀直言,民進黨執政下,從來不缺華麗的文藻與文青的詞彙,「語言的巨人,行動的侏儒,獨裁的巨獸,卸責的懦夫」,這才是台灣無法團結最根本的問題。

賴清德首度發表國慶演說。(圖/資料照)

總統賴清德上任後,發表首次雙十國慶演說,通篇講稿架構以「跨」為元素,揭示施政六大重點:包括「跨時代歷史精神」、「跨世代的照顧人民」、「跨區域的均衡台灣」、「跨領域的經濟發展」、「跨黨派的朝野合作」等六大精神。

國民黨立委李彥秀。(本報資料照片)
,李彥秀直言,民進黨執政下,從來不缺華麗的文藻與文青的詞彙。(圖/資料照)

對此,國民黨立委李彥秀今天(10日)表示,民進黨執政下,從來不缺華麗的文藻與文青的詞彙,「語言的巨人,行動的侏儒,獨裁的巨獸,卸責的懦夫」,這才是台灣無法團結最根本的問題。

國民黨立委李彥秀回應表示,民進黨執政下,從來不缺華麗的文藻與文青的詞彙,「語言的巨人,行動的侏儒,獨裁的巨獸,卸責的懦夫」,大餅人人會畫,但是國家能否前進的關鍵,還是回歸到「團隊」、「溝通」與「執行力」。

李彥秀認為,賴的確點出了台灣當前面臨的嚴峻問題,但是台灣人民不禁要問,過去八年當中,賴清德擔任一年半的台南市長、一年半的行政院長、四年的副總統,不正是執政團隊最核心的成員嗎?大餅人人會畫,但是國家能否前進的關鍵,還是回歸到「團隊」、「溝通」與「執行力」。

李彥秀更指出,民調結果顯示,過去五個月,賴清德政府的表現,顯然與民眾的期待有高度的落差,支持度窮得只剩下「鐵桿深綠」。往者已矣,來者可追,坐而言,不如起而行,「請用行動來說服台灣人民!」

最後,李彥秀提醒賴清德,其六跨元素顯然還漏掉了五個台灣人民最關心的重要領域:「跨越對抗的兩岸對話」、「跨越過時的能源政策」、「跨越不義的貧富問題」、「跨越僵固的意識形態」以及「跨越危機的台獨立場」。賴清德不僅僅是民進黨主席,更是中華民國總統,賴清德要跨過的不僅是台灣前進的障礙,更要跨過自己內心善惡的鴻溝。
 

延伸閱讀
賴清德國慶文告 「中華民國」講10次、提「台灣」47次,講3大使命
國慶大典拋出兩岸「四個不變」 賴清德盼:對等尊嚴、健康有序對話交流
新竹棒球場挖大秘寶!高虹安幕僚田政弘遭廉政署約談 5萬元交保

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

賴清德 祖國論

馬英九 出席 大典

升旗 典禮

賴清德 致詞

和解飯 付錢

陳水扁 出席 國慶大會

TVBS新聞網
今日新聞NOWnews
TVBS新聞網
CTWANT
國慶大典賴清德繫最愛「紫領帶」!明星造型師給高分「顯年輕」
雙十國慶盛典,總統賴清德以一襲藏青色西裝配招牌紫色領帶亮相,副總統蕭美琴也符合整體風格,一身黑西裝走保守路線,明星造型師邱美寧給總統服裝打高分,大讚色系協調。
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司